滑动窗口

多态根系
• 阅读 1186

480. 滑动窗口中位数

难度困难

中位数是有序序列最中间的那个数。如果序列的长度是偶数,则没有最中间的数;此时中位数是最中间的两个数的平均数。

例如:

  • [2,3,4],中位数是 3
  • [2,3],中位数是 (2 + 3) / 2 = 2.5

给你一个数组 nums_,有一个长度为 _k 的窗口从最左端滑动到最右端。窗口中有 k 个数,每次窗口向右移动 1 位。你的任务是找出每次窗口移动后得到的新窗口中元素的中位数,并输出由它们组成的数组。
示例:

给出 nums = [1,3,-1,-3,5,3,6,7],以及 k = 3。
窗口位置                      中位数
---------------               -----
[1  3  -1] -3  5  3  6  7       1
 1 [3  -1  -3] 5  3  6  7      -1
 1  3 [-1  -3  5] 3  6  7      -1
 1  3  -1 [-3  5  3] 6  7       3
 1  3  -1  -3 [5  3  6] 7       5
 1  3  -1  -3  5 [3  6  7]      6
 因此,返回该滑动窗口的中位数数组 [1,-1,-1,3,5,6]。
// 暴力解法
class Solution1 {
public:
    vector<double> medianSlidingWindow(vector<int> &nums, int k) {
        int size = nums.size();
        vector<double> res;
        for (int i = 0; i < size - k + 1; ++i) {
            vector<int> temp(nums.begin() + i, nums.begin() + i + k);
            sort(temp.begin(), temp.end());
            if (k & 1) {
                res.emplace_back(temp[k / 2]);
            } else {
                res.emplace_back((temp[k / 2] + temp[k / 2 - 1]) / 2.0);
            }
        }
        return res;
    }
};
// 官方解法,规范性好
class DualHeap {
private:
    priority_queue<int, vector<int>, less<int>> small;    // 大根堆存比较小的数
 priority_queue<int, vector<int>, greater<int>> large; // 小根堆存比较大的数
 unordered_map<int, int> delay;
    int smallSize;
    int largeSize;
    int k;
public:
    DualHeap(int _k) : k(_k), smallSize(0), largeSize(0) {}
    template<class T>
    void pop(T &heap) {
        while (!heap.empty()) {
            int temp = heap.top();
            if (delay.count(temp)) {
                --delay[temp];
                if (delay[temp] == 0)
                    delay.erase(temp);
                heap.pop();
            } else
 break;
        }
    }
    void balance() {
        if (smallSize-2 == largeSize) {
            large.emplace(small.top());
            small.pop();
            --smallSize;
            ++largeSize;
            pop(small);
        }
        if (smallSize < largeSize) {
            small.emplace(large.top());
            large.pop();
            --largeSize;
            ++smallSize;
            pop(large);
        }
    }
    void insert(int x) {
        if (small.empty() || x <= small.top()) {
            small.emplace(x);
            ++smallSize;
        } else {
            large.emplace(x);
            ++largeSize;
        }
        balance();
    }
    void erase(int x) {
        ++delay[x];
        if (x <= small.top()) {
            --smallSize;
            if (x == small.top())
                pop(small);
        } else {
            --largeSize;
            if (x == large.top()) {
                pop(large);
            }
        }
        balance();
    }
    double getMedian() {
        return k & 1 ? small.top() : small.top() / 2.0 + large.top() / 2.0;
    }
};
class Solution2 {
public:
    vector<double> medianSlidingWindow(vector<int> &nums, int k) {
        int size = nums.size();
        DualHeap dh(k);
        vector<double> res;
        for (int j = 0; j < k; ++j) {
            dh.insert(nums[j]);
        }
        for (int i = k, j = 0; i <= size; ++i, ++j) {
            res.emplace_back(dh.getMedian());
            dh.insert(nums[i]);
            dh.erase(nums[j]);
        }
        res.emplace_back(dh.getMedian()); // 关键
        return res;
    }
};
作者:LeetCode-Solution
链接:https://leetcode-cn.com/problems/sliding-window-median/solution/hua-dong-chuang-kou-zhong-wei-shu-by-lee-7ai6/
来源:力扣(LeetCode)
点赞
收藏
评论区
推荐文章
Oracle 分组与拼接字符串同时使用
SELECTT.,ROWNUMIDFROM(SELECTT.EMPLID,T.NAME,T.BU,T.REALDEPART,T.FORMATDATE,SUM(T.S0)S0,MAX(UPDATETIME)CREATETIME,LISTAGG(TOCHAR(
腾讯T2亲自讲解!Android-App的设计架构经验谈
正文我们今天将说明以下14种模式:1.滑动窗口2.二指针或迭代器3.快速和慢速指针或迭代器4.合并区间5.循环排序6.原地反转链表7.树的宽度优先搜索(TreeBFS)8.树的深度优先搜索(TreeDFS)9.TwoHeaps10.子集11.经过修改的二叉搜索12.前K个元素13.K路合并14.拓扑排序我们开始吧!1.滑动窗口滑动窗口模式
Wesley13 Wesley13
4年前
TCP滑动窗口消息堆积
线上问题:客户端不能推送数据到服务端。排查:pingip或者telnetport全是正常的,不奏效。通过wireshark抓取报文查看,发现一个奇怪现象是窗口不固定,但是整体趋势是逐渐减小,直到为0.服务端报文如下:至
Wesley13 Wesley13
4年前
Java简单实现滑动窗口
由于最近有一个统计单位时间内某key的访问次数的需求,譬如每5秒访问了redis的某key超过100次,就取出该key单独处理。这样的单位时间统计,很明显我们都知道有个边界问题,譬如5秒内100次的限制。刚好前4.99秒访问都是0,最后0.01秒来了100次,5.01秒又来了100次。也就是访问有明显的毛刺情况出现,为了弱化这个毛刺情况,我们可以采用滑动
Wesley13 Wesley13
4年前
TCP面试题之滑动窗口原理
TCP滑动窗口作用:1.提供TCP可靠性:对发送的数据进行确认2.流量控制:窗口大小随链路变化一、TCP窗口机制TCP中窗口大小是指tcp协议一次传输多少个数据。因为TCP是一个面向连接的可靠的传输协议,既然是可靠的就需要传输的数据进行确认。TCP窗口机制有两种,一种是
Stella981 Stella981
4年前
2021年全球公有云终端用户支出将增长18% ;EMNLP 2020最佳论文:无声语音的数字发声
!(https://static001.geekbang.org/infoq/af/af9f6637b50b09be60b00a42f3812d5e.png)开发者社区技术周刊又和大家见面
可莉 可莉
4年前
2021年全球公有云终端用户支出将增长18% ;EMNLP 2020最佳论文:无声语音的数字发声
!(https://static001.geekbang.org/infoq/af/af9f6637b50b09be60b00a42f3812d5e.png)开发者社区技术周刊又和大家见面
Stella981 Stella981
4年前
Flink Join
文章目录一.简介二.窗口Join2.1翻滚窗口(TumblingWindowJoin)2.2滑动窗口Join(SlidingWindowJoin)2.3会话窗口Join(SessionWindowJo
Stella981 Stella981
4年前
Spring Boot的接口限流应用
阅读目录:1\.前言2\.算法介绍计数器法3\.算法介绍滑动窗口4\.算法介绍漏桶算法5\.算法介绍令牌桶算法前言在一个高并发系统中对流量的把控是非常重要的,当巨大的流量直接请求到我们的服务器上没多久就可能造成接口不可用
常用限流算法详解
一、有哪些常用的限流算法1.固定窗口限流;2.滑动窗口限流;3.漏桶算法限流;4.令牌桶算法限流。二、4种限流算法介绍1.固定窗口限流举例说明:假设时间窗口大小为5s,则0到5s为第一个窗口,5到10s为第二个窗
贾蔷 贾蔷
8个月前
牛客3750题滑动窗口最大值解析:双端队列优化解法与代码详解
一、题目解读要求在一个给定的整数中,计算固定大小为k的内元素的最大值。例如,当窗口滑动时,需要实时输出每个窗口中的最大值序列。该问题考察对的理解,以及如何高效维护窗口内的元素关系。二、解题思路采用(deque)维护的巧妙解法。核心思想是:中仅存储数组下标,